隐写分析是信息安全中隐蔽通信领域的重要课题之一,在军事和国家安全方面有着广泛的应用。数字图像作为目前数字通信中最常见的信息载体,数字图像隐写技术的发展已经日趋成熟。相比之下,数字图像隐写分析技术的研究虽然也取得一定的成果,但离实际应用还有一定的差距,尤其是数字图像盲检测技术。数字图像隐写技术具有更新快,方法多等特点,使得数字图像隐写盲检测成为极具挑战性的研究课题。本文主要研究基于特征的数字图像隐写通用盲检测问题。本文首先介绍了数字图像隐写盲检测的基本框架,并对典型隐写盲检测方法中所用的特征进行了理论分析和总结。接着,重点分析了特征校准提高特征性能的原理,结合裁剪校准和预测误差校准的基本思想总结出造成隐写图像不连续现象的原因。在此基础上,提出一种基于亚像素平移的特征校准方法。该方法利用亚像素平移来消除隐写算法在图像中的存在性信息,提高特征的区分度。实验表明,本文提出的特征校准方法可以有效地提高特征性能,进而提高算法的检测正确率。另外,本文还将多域特征与特征校准结合起来,提出了一种基于多域特征的数字图像隐写盲检测算法。算法利用多域特征来表征不同隐写算法对图像的影响,并引入本文提出的亚像素校准提高特征的区分度,使用SVM分类器进行特征向量的分类。大量实验表明,在单算法二分类、混杂算法二分类和混杂算法十分类等多种仿真条件下,本文算法都取得了良好的二分类效果,且对于多达十类常见隐写算法具备一定的区分能力。